TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation

同时具有Transformers和U-Net的优点，性能优于AttnUNet、V-Net等网络，代码刚刚开源！（按这样搞，TransVNet、TransYOLO应该也快来了，手动狗头）

注1：文末附【Transformer】和【医疗影像】交流群

注2：整理不易，欢迎点赞，支持分享！

TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation

• 作者单位：JHU, 电子科大, 斯坦福大学等
• 代码：Beckschen/TransUNet
• 论文：https://arxiv.org/abs/2102.04306

医学图像分割是开发医疗保健系统（尤其是疾病诊断和治疗计划）的必要先决条件。在各种医学图像分割任务中，U形架构（也称为U-Net）已成为事实上的标准，并取得了巨大的成功。但是，由于卷积运算的固有局部性，U-Net通常在明确建模远程依赖关系方面显示出局限性。

设计用于序列到序列预测的transformer已经成为具有先天性全局自注意力机制的替代体系结构，但由于low-level细节不足，可能导致定位能力受到限制。

在本文中，我们提出了TransUNet，它同时具有Transformers和U-Net的优点，是医学图像分割的强大替代方案。